米日扎提·艾克拜爾,王 琪,李興佳,魏 遙,潘玉葉,陳紹元

(吉林大學(xué)交通學(xué)院,吉林 長(zhǎng)春 130000)

0 引 言

在現(xiàn)代交通環(huán)境下,網(wǎng)聯(lián)車因具有車頭時(shí)距短,啟動(dòng)時(shí)間短,提前預(yù)知道路信息情況等多種優(yōu)勢(shì)正在被逐步推廣使用;而在冰雪條件下,道路摩擦系數(shù)、溫度等多種環(huán)境因素和駕駛?cè)诵熊囈暰嘣黾印⒎磻?yīng)時(shí)間變長(zhǎng)、制動(dòng)距離增加等駕駛因素影響下,交叉口通行能力下降,尤其在相位變換期間,車輛之間沖突點(diǎn)增多,導(dǎo)致交叉口擁堵,交叉口交通事故頻發(fā),存在重大安全隱患。而對(duì)于在網(wǎng)聯(lián)與非網(wǎng)聯(lián)混合交通流的冰雪條件下的信號(hào)交叉口,采取常態(tài)下的交叉口配時(shí)方案,沒有考慮網(wǎng)聯(lián)車交通特性和冰雪條件對(duì)交通影響,導(dǎo)致交叉口通行效率下降。

根據(jù)有關(guān)研究表明,在智能網(wǎng)聯(lián)汽車普及的初級(jí)階段,交通效率提升10%,油耗與排放分別降低5%;在智能網(wǎng)聯(lián)汽車普及的最后階段,提升交通效率30%以上。單從通行能力來(lái)看,正常天氣同冰雪天氣和冰凍天氣相比,氣候狀況每變化一個(gè)級(jí)別,通行能力下降5%～15%不等[1]。根據(jù)秦嚴(yán)嚴(yán)等[2]關(guān)于車頭時(shí)距和混合交通流的穩(wěn)定性研究中,得到當(dāng)CAV(自動(dòng)駕駛汽車)占比超過(guò)50%時(shí)車頭時(shí)距低于1.5 s。楊達(dá)等[3]通過(guò)跟馳模型以及換道時(shí)間模型的方法為智能網(wǎng)聯(lián)汽車通過(guò)信號(hào)交叉口的駕駛行為建立決策框架,顯著提高了網(wǎng)聯(lián)車對(duì)通行條件判斷的準(zhǔn)確性。蔣陽(yáng)升等[4]利用全速度差模型和協(xié)同自適應(yīng)巡航控制模型得出結(jié)論:隨著占比率的增加安全性能提高,交通安全風(fēng)險(xiǎn)降低。

因此,探究冰雪條件下網(wǎng)聯(lián)與非網(wǎng)聯(lián)混合交通流的信號(hào)交叉口優(yōu)化配時(shí)方案極為重要。從網(wǎng)聯(lián)車和冰雪條件對(duì)信號(hào)交叉口交通參數(shù)影響開始分析,對(duì)信號(hào)交叉口配時(shí)參數(shù)進(jìn)行實(shí)時(shí)調(diào)整、優(yōu)化。根據(jù)網(wǎng)聯(lián)車自身駕駛特性和網(wǎng)聯(lián)車信息的時(shí)效性,探索不同冰雪條件下信號(hào)配時(shí)動(dòng)態(tài)優(yōu)化最優(yōu)解,提高信號(hào)交叉口通行能力,降低車輛延誤,解決冰雪條件下交叉口的交通問(wèn)題。

1 網(wǎng)聯(lián)條件與冰雪條件對(duì)信號(hào)交叉口運(yùn)行影響分析

1.1 網(wǎng)聯(lián)車對(duì)信號(hào)交叉口影響分析

網(wǎng)聯(lián)車輛對(duì)信號(hào)交叉口的影響主要體現(xiàn)在網(wǎng)聯(lián)車自身的駕駛行為與非網(wǎng)聯(lián)車不同和網(wǎng)聯(lián)車實(shí)時(shí)傳送信息的時(shí)效性更強(qiáng)兩個(gè)方面。

一方面,網(wǎng)聯(lián)車分為自動(dòng)駕駛車輛和人工駕駛車輛,自動(dòng)駕駛車輛因?yàn)槠渥陨眈{駛行為與傳統(tǒng)汽車不同,通過(guò)車車、車路的信息收集與處理,網(wǎng)聯(lián)車在停車線起步,跟馳行駛,交叉口同行等諸多方面帶來(lái)更短的延誤,原有的信號(hào)配時(shí)方案并沒有考慮到車頭時(shí)距變化,啟動(dòng)損失時(shí)間減少等諸多變化。因此Yang等[5]在網(wǎng)聯(lián)車與非網(wǎng)聯(lián)車混行的交通流中對(duì)如何優(yōu)化傳統(tǒng)信號(hào)交叉口信號(hào)配時(shí)這一問(wèn)題提出,最小化車輛延誤時(shí)間和停車次數(shù)是優(yōu)化的重點(diǎn)。

另一方面?zhèn)鹘y(tǒng)信號(hào)交叉口信號(hào)配時(shí)的更改主要依據(jù)歷年交通參數(shù)和檢測(cè)器對(duì)交通流檢測(cè),對(duì)交叉口進(jìn)行實(shí)時(shí)優(yōu)化,這些單一的交通量獲取方式使得獲取的信息時(shí)效性不佳,從而導(dǎo)致當(dāng)前交叉口的信號(hào)配時(shí)不能滿足實(shí)時(shí)的交通流量需求。而網(wǎng)聯(lián)車與路網(wǎng)的信息實(shí)時(shí)傳遞,從中可以推測(cè)當(dāng)前網(wǎng)聯(lián)車與非網(wǎng)聯(lián)車混行交通流的車流速度與位置信息,Feng等[6]對(duì)標(biāo)準(zhǔn)八相位的信號(hào)控制交叉口進(jìn)行優(yōu)化時(shí)充分利用了網(wǎng)聯(lián)車車輛軌跡信息,估算車隊(duì)長(zhǎng)度和車隊(duì)速度,以此來(lái)對(duì)該交叉口相位的次序和時(shí)長(zhǎng)進(jìn)行優(yōu)化。

以傳統(tǒng)六車道兩相位交叉口為例,對(duì)混聯(lián)車流進(jìn)行簡(jiǎn)化并按照網(wǎng)聯(lián)車占比來(lái)對(duì)其進(jìn)行分析,進(jìn)而計(jì)算交叉口的延誤和信號(hào)的合理配時(shí)。查閱參考文獻(xiàn)[2]時(shí)發(fā)現(xiàn),自動(dòng)駕駛車輛不同占比的混合車流期望車頭時(shí)距、啟動(dòng)損失時(shí)間、消散波時(shí)間明顯不同,隨著自動(dòng)駕駛車輛占比增加,消散波時(shí)間明顯縮短,車輛平均速度明顯增加。同時(shí)網(wǎng)聯(lián)車實(shí)時(shí)傳送數(shù)據(jù),將當(dāng)前交通量、車輛運(yùn)行速度、車隊(duì)位置信息進(jìn)行傳輸,當(dāng)該交叉口飽和度趨近于1時(shí),引導(dǎo)未進(jìn)入該交叉口的車輛選擇其他交叉口通行,以此來(lái)降低該交叉口交通量。

因此接下來(lái)對(duì)網(wǎng)聯(lián)混行交通流環(huán)境的分析,將以自動(dòng)駕駛汽車占混行交通車流比例與延誤的關(guān)系定量分析為重點(diǎn),在飽和度小于1的情況下對(duì)該交叉口配時(shí)進(jìn)行優(yōu)化調(diào)整。

(1)網(wǎng)聯(lián)車對(duì)頭車啟動(dòng)時(shí)間影響分析

網(wǎng)聯(lián)自動(dòng)駕駛汽車、網(wǎng)聯(lián)人工駕駛車輛、人工駕駛傳統(tǒng)車輛分別作為頭車啟動(dòng)時(shí)間都大為不同,網(wǎng)聯(lián)自動(dòng)駕駛汽車可以在最短的時(shí)間內(nèi)起車,網(wǎng)聯(lián)人工駕駛車輛和人工駕駛傳統(tǒng)車輛起車時(shí)間大致相同。

(1)

通過(guò)楊曉光等[7]的研究,可以得到人工駕駛汽車平均啟動(dòng)損失時(shí)間(公交車視為大型人工駕駛汽車)如表1所示。

表1 人工駕駛車啟動(dòng)時(shí)間表

(2)

(2)網(wǎng)聯(lián)車對(duì)期望車頭時(shí)距影響分析

網(wǎng)聯(lián)車的駕駛行為根據(jù)目前的混行交通劃分可以分為以下四種類型,網(wǎng)聯(lián)自動(dòng)駕駛車輛跟隨網(wǎng)聯(lián)自動(dòng)駕駛車輛行駛η11,網(wǎng)聯(lián)自動(dòng)駕駛車輛跟隨非自動(dòng)駕駛車輛行駛η21,非自動(dòng)駕駛車輛跟隨網(wǎng)聯(lián)自動(dòng)駕駛車輛行駛η12,非自動(dòng)駕駛車輛跟隨非自動(dòng)駕駛車輛行駛η22,其中非自動(dòng)駕駛車輛分為網(wǎng)聯(lián)人工駕駛車輛和非網(wǎng)聯(lián)人工駕駛車輛兩種不同的車型,如圖1所示。

圖1 不同駕駛車輛期望車頭時(shí)距示意圖[9]

根據(jù)錢國(guó)敏等[9]的研究,將以上四種情況簡(jiǎn)化劃分為兩種類型,分別為自動(dòng)駕駛車輛跟隨前車行駛和非自動(dòng)駕駛車輛跟隨前車行駛。根據(jù)該研究發(fā)現(xiàn)自動(dòng)駕駛車輛跟隨前車車頭時(shí)距a1小于非自動(dòng)駕駛汽車跟隨前車車頭時(shí)距a2,所以當(dāng)車流穩(wěn)定通過(guò)交叉口時(shí),自動(dòng)駕駛汽車占比q不同的混合車流的期望車頭時(shí)距a也有所不同。根據(jù)秦嚴(yán)嚴(yán)等[2]關(guān)于車頭時(shí)距和混合交通流的穩(wěn)定性研究中,得到了自動(dòng)駕駛汽車占比q與期望車頭時(shí)距a的關(guān)系,如表2所示。

表2 自動(dòng)駕駛汽車占比與期望車頭時(shí)距關(guān)系表

由表2可以看出自動(dòng)駕駛汽車占比q增加時(shí),期望車頭時(shí)距a呈減少的趨勢(shì)。當(dāng)自動(dòng)駕駛汽車占比q達(dá)到70%以上時(shí),期望車頭時(shí)距a甚至小于1 s。究其原因,期望車頭時(shí)距的明顯減少,是因?yàn)樽詣?dòng)駕駛汽車可以在相對(duì)短的距離保證車與車之間不發(fā)生碰撞,保證交通安全的同時(shí)減少了交通延誤。

1.2 冰雪條件對(duì)基于混聯(lián)車流下的信號(hào)交叉口影響分析

冰雪條件對(duì)基于混聯(lián)車流下的信號(hào)交叉口的影響主要原因是道路濕滑。在冰雪條件下,車輛的行駛速度v、車輛頭車啟動(dòng)時(shí)間tp、車輛車頭時(shí)距a,網(wǎng)聯(lián)車與非網(wǎng)聯(lián)車駕駛決策的差別等參數(shù)與常規(guī)情況下對(duì)比明顯不同,而之前原設(shè)的配時(shí)方案并沒有考慮冰雪條件中各個(gè)因素的影響,使其交叉口出現(xiàn)道路通行狀況不佳,甚至出現(xiàn)交叉口堵死的情況。

在冰雪天氣下,降雪量s是影響道路通行狀況的關(guān)鍵因素之一。降雪量是每單位時(shí)間內(nèi)道路的降雪厚度。降雪等級(jí)的劃分標(biāo)準(zhǔn)一般采用持續(xù)時(shí)間12 h和24 h兩種,根據(jù)國(guó)家氣象局《降水的等級(jí)劃分》,將降雪量分為4種等級(jí),如表3所示。

表3 降雪等級(jí)對(duì)應(yīng)降雪量表 單位:mm

通過(guò)對(duì)烏魯木齊南昌路與西虹路交叉口[10]在冰雪條件與正常條件下的對(duì)比調(diào)查,如圖2所示,調(diào)查時(shí)發(fā)現(xiàn),受冰雪條件的影響,交通流運(yùn)行狀態(tài)程度明顯不同。在冰雪條件下,道路上車輛的速度明顯降低,駕駛員在停車和啟動(dòng)時(shí)小心謹(jǐn)慎,從而使啟車時(shí)間增加,車頭時(shí)距明顯增大。

圖2 冰雪條件對(duì)車速與車頭時(shí)距關(guān)系圖[10]

總結(jié),針對(duì)冰雪條件這一條件,將以不同的降雪量對(duì)車頭時(shí)距α和車輛啟動(dòng)時(shí)間tp影響的定量分析為重點(diǎn),分析降雪量的變化對(duì)這兩個(gè)條件的影響,進(jìn)而制定合理的配時(shí)方案。

(1)冰雪天氣對(duì)頭車啟動(dòng)時(shí)間的影響分析

冰雪條件下汽車的啟動(dòng)時(shí)間比正常道路條件下的啟動(dòng)時(shí)間長(zhǎng),究其原因,是因?yàn)榻笛┙档土说缆返哪Σ料禂?shù),車輪容易發(fā)生打滑現(xiàn)象,進(jìn)而使車輛啟動(dòng)更加緩慢,而冰雪條件的不同決定了道路摩擦系數(shù)的下降程度,通常降雪量越大的道路,汽車的啟動(dòng)時(shí)間往往更長(zhǎng)。

對(duì)于人工駕駛汽車,汽車的車頭啟動(dòng)時(shí)間tp取決于道路表面的摩擦系數(shù)μ和駕駛?cè)说姆磻?yīng)時(shí)間tq。在不同冰雪條件下,道路的摩擦系數(shù)不同,根據(jù)裴玉龍等[11]的研究,得到了七種不同的冰雪條件下,道路的摩擦系數(shù)μ所對(duì)應(yīng)的取值范圍,如表4所示。

表4 冰雪路面摩擦系數(shù)表

對(duì)表4分析可知,在道路降雪量不大時(shí),降雪在路表面融化,道路表面變得濕滑,導(dǎo)致摩擦系數(shù)下降,當(dāng)降雪量達(dá)到某一范圍,路面形成積雪,道路的摩擦系數(shù)會(huì)小范圍回升,但總體道路摩擦系數(shù)小于正常情況道路摩擦系數(shù)。

(3)

(4)

式中:φ為冰雪條件所造成的增加系數(shù)。

(2)冰雪天氣對(duì)速度的影響

冰雪條件對(duì)交叉口交通參數(shù)影響最大的就是就是車輛速度v,而車輛速度v是影響期望車頭時(shí)距和信號(hào)交叉口配時(shí)的重要參數(shù),車輛速度v對(duì)延誤的推導(dǎo)和黃燈與全紅時(shí)間長(zhǎng)度的確定有著重要作用。因此,為了更好地分析冰雪條件下的交叉口配時(shí)優(yōu)化,對(duì)降雪量s與車輛速度v的關(guān)系進(jìn)行研究分析是必要的。

根據(jù)林賜云等[14]的相關(guān)研究,獲得車輛速度v與降雪量s關(guān)系的數(shù)據(jù),如圖3所示。為了使數(shù)據(jù)可以準(zhǔn)確反映車輛速度的變化情況,用85%的車速來(lái)代表不同降雪量條件下的速度值。

圖3 速度與降雪厚度關(guān)系圖[14]

通過(guò)圖3可知,隨著降雪量s不斷增加,車輛速度v成下降趨勢(shì)。在降雪量不大時(shí),道路情況和駕駛員本身駕駛行為變化不大,車速幾乎沒有變化;但隨著降雪量的增大,當(dāng)降雪量達(dá)到中雪時(shí),車輛速度降低了約30%～40%;當(dāng)降雪量達(dá)到大到暴雪時(shí),車速急劇下降,車流運(yùn)作緩慢,其原因與道路情況、駕駛員小心謹(jǐn)慎、路段堵塞等有直接關(guān)聯(lián)。

1.3 冰雪天氣對(duì)期望車頭時(shí)距的影響

在冰雪條件下,汽車平均車速v下降,車與車之間的行車距離l1在駕駛員心理作用下變大,從而導(dǎo)致人工駕駛車輛車頭時(shí)距α1顯著上升。自動(dòng)駕駛車輛不受駕駛員心理作用影響,行車間距l(xiāng)2只與道路條件μ有關(guān)。

因此,在信號(hào)交叉口已經(jīng)確定的情況下,冰雪天氣下期望車頭時(shí)距變化取決于車輛類型與降雪量的變化。翟京等[15]利用錄像在哈爾濱市提取數(shù)據(jù),對(duì)冰雪條件進(jìn)行簡(jiǎn)單分類,分為小雪、中雪、大雪、暴雪、雪泥、薄冰、壓實(shí)等七種冰雪條件。通過(guò)實(shí)地測(cè)量,運(yùn)用愛爾朗分布擬合估算出在不同冰雪條件下車頭時(shí)距的分布曲線,如圖4所示。

圖4 不同冰雪條件下車頭時(shí)距的分布曲線圖[14]

結(jié)論為小雪條件下期望車頭時(shí)距增加了不到20%,中雪條件下期望車頭時(shí)距增加了20%～30%,大雪條件下期望車頭時(shí)距增加了30%～50%,暴雪條件下期望車頭時(shí)距增加了50%～80%,雪泥、壓實(shí)條件下期望車頭時(shí)距增加了20%～30%,薄冰條件下期望車頭時(shí)距增加了30%～40%。因此,將上文得到的期望車頭時(shí)距的結(jié)論與冰雪條件關(guān)系代入公式,可得人工駕駛車輛期望車頭時(shí)距a1在不同冰雪條件下的取值。

對(duì)于自動(dòng)駕駛車輛期望車頭時(shí)距a2,其與道路摩擦系數(shù)μ和自動(dòng)駕駛期望車速v有顯著關(guān)系。

(5)

式中:l(μ)是道路摩擦系數(shù)μ與期望車頭間距l(xiāng)的關(guān)系;v是當(dāng)前冰雪條件下車流的85%車速,m/s。

從公式(5)中可以看出,隨著降雪量的增大會(huì)導(dǎo)致車輛車頭時(shí)距延長(zhǎng),由于自動(dòng)駕駛汽車不受駕駛?cè)诵袨橛绊?對(duì)自動(dòng)駕駛汽車車頭時(shí)距影響略小于人工車輛,所以根據(jù)自動(dòng)駕駛汽車占比調(diào)整權(quán)重,得到不同冰雪條件下不同自動(dòng)駕駛車輛占比的車頭時(shí)距。

a=αa1+βa2

(6)

可以看出,隨著降雪量增加,期望車頭時(shí)距也會(huì)增加且自動(dòng)駕駛汽車占比越少增加的越快。從而可以快速得出不同冰雪條件、不同自動(dòng)駕駛汽車占比的車流期望車頭時(shí)距的估計(jì)值。

2 網(wǎng)聯(lián)條件與冰雪條件對(duì)信號(hào)交叉口交通信號(hào)配時(shí)優(yōu)化

2.1 網(wǎng)聯(lián)條件與冰雪條件對(duì)信號(hào)交叉口信號(hào)周期優(yōu)化方法

周期時(shí)長(zhǎng)是影響信號(hào)交叉口通行能力的關(guān)鍵參數(shù),其取值的大小往往直接影響著信號(hào)優(yōu)化的效果。此處確定周期時(shí)長(zhǎng)的方法是通過(guò)停車線延誤法對(duì)延誤進(jìn)行修正,通過(guò)修正的延誤公式對(duì)周期求偏導(dǎo)數(shù),得到車均延誤最小的對(duì)應(yīng)周期時(shí)長(zhǎng)。

根據(jù)停車線法延誤計(jì)算公式得到直行和直左車道延誤公式為

(7)

直行和右轉(zhuǎn)混行車道延誤公式為

(8)

(9)

式中:tp為頭車啟動(dòng)時(shí)間,s;n為周期內(nèi)進(jìn)口道的到達(dá)車輛數(shù),個(gè);R為顯示紅燈時(shí)間,s;m為最大排隊(duì)車輛數(shù),個(gè);∝為車輛平均到達(dá)車頭時(shí)距,s;l為每周期右轉(zhuǎn)車輛先于其他車輛到達(dá)數(shù)期望值,查表獲得。

該模型中tp前文詳細(xì)論述了其與網(wǎng)聯(lián)車和冰雪條件的關(guān)系,與實(shí)際道路情況結(jié)合即可得出tp值。n與車輛到達(dá)分布和交通量有密切關(guān)系,由于只考慮信號(hào)交叉口飽和度不足1且沒有溢流的情況,車流密度較小,所以車輛到達(dá)分布采取泊松分布。在不同的網(wǎng)聯(lián)車占比下,當(dāng)網(wǎng)聯(lián)車輛到達(dá)路口等待時(shí),通過(guò)實(shí)時(shí)獲取的信息即可得到較為準(zhǔn)確的n值。

對(duì)于停車線模型確定最大排隊(duì)車輛數(shù)m,是通過(guò)歷史數(shù)據(jù)來(lái)進(jìn)行確定的,在網(wǎng)聯(lián)混行交通流環(huán)境下,可以通過(guò)網(wǎng)聯(lián)車的實(shí)時(shí)信息交互功能,在前方交叉口紅燈排隊(duì)時(shí),判斷排隊(duì)長(zhǎng)度,在車流釋放、消散波在網(wǎng)聯(lián)車前后消散時(shí),即可得到合理的m。

確定最大排隊(duì)車輛數(shù)m后即可計(jì)算hTm和hT(m-1)公式為

(10)

(11)

式中:hi為第i輛排隊(duì)車輛駛經(jīng)停車線的車頭時(shí)距,s,其值取期望車頭時(shí)距a。

車輛平均到達(dá)車頭時(shí)距∝的取值與周期C和周期內(nèi)進(jìn)口道的到達(dá)車輛數(shù)n有關(guān)。

(12)

上述公式整合后得到直行和直左車道延誤公式為

(13)

直行和右轉(zhuǎn)混行車道延誤公式為

(14)

以延誤最短為目標(biāo),求最佳周期時(shí)的公式為

(15)

2.2 網(wǎng)聯(lián)條件與冰雪條件對(duì)信號(hào)交叉口信號(hào)配時(shí)方案調(diào)整

(1)黃燈時(shí)間與全紅時(shí)間

①黃燈時(shí)間計(jì)算

信號(hào)交叉口黃燈時(shí)間的設(shè)置,應(yīng)滿足穿過(guò)停車線的車輛及時(shí)駛出信號(hào)交叉口,減少下一相位正常行車的沖突。在冰雪條件下黃燈時(shí)間長(zhǎng)度主要取決于尾車是人工駕駛汽車還是自動(dòng)駕駛汽車,而人工駕駛汽車速度采用歷史數(shù)據(jù),但是由于道路能見度下降,道路摩擦系數(shù)下降導(dǎo)致速度會(huì)有所下降,而自動(dòng)駕駛汽車車速可以實(shí)時(shí)通過(guò)平均車速獲取,所以得到黃燈時(shí)間Y計(jì)算公式為

(16)

式中:s是人工駕駛車輛經(jīng)過(guò)交叉口停車線至完全通過(guò)交叉口所行駛距離,m;P1是尾車為人工駕駛汽車的概率,與自動(dòng)駕駛汽車占比q有關(guān);P2是尾車為自動(dòng)駕駛汽車的概率,與自動(dòng)駕駛汽車占比q有關(guān);μv是車輛速度下降比例,與信號(hào)交叉口在不同冰雪條件的道路摩擦系數(shù)μ有關(guān)。

根據(jù)公式(16)可計(jì)算出冰雪條件下滿足人工駕駛車輛通過(guò)的最佳黃燈時(shí)間。

②全紅時(shí)間計(jì)算

全紅時(shí)間計(jì)算指本相位黃燈末至下一相位綠燈初的時(shí)間間隔。該時(shí)間間隔要確保在下一相位車輛到達(dá)中心線沖突點(diǎn)之前,上一相位車輛能夠通過(guò)中心線沖突點(diǎn),在冰雪條件下全紅時(shí)間長(zhǎng)度AR主要取決于尾車是人工駕駛汽車還是自動(dòng)駕駛汽車,所以其計(jì)算公式為

(17)

式中:l為車身長(zhǎng)度,m;ω為從停車線到最遠(yuǎn)沖突車道中心線距離,m;vc為上一相位尾車清空速度,m/s。

對(duì)于全紅時(shí)間,與黃燈時(shí)間考慮因素相同,基于尾車種類和冰雪條件影響計(jì)算相關(guān)概率。

(2)綠信比和綠燈時(shí)間

根據(jù)確定的最佳周期C,可以得到每周期的有效綠燈時(shí)間Ge為

Ge=C-L

(18)

式中:Ge為總有效綠燈時(shí)間,s;C為所得周期時(shí)長(zhǎng),s;L為總損失時(shí)間,s,與啟動(dòng)損失時(shí)間、綠燈間隔時(shí)間、黃燈時(shí)長(zhǎng)、一個(gè)周期內(nèi)綠燈間隔數(shù)有關(guān)。

將Ge在所有信號(hào)相位之間按各個(gè)相位的接收器比值按照等飽和度原則進(jìn)行分配,得到各個(gè)相位的有效綠燈時(shí)間,具體分配方法如下。

(19)

各相位顯示綠燈時(shí)間gj為

gj=gej-Aj+lj

(20)

最后可計(jì)算得各個(gè)相位的顯示綠燈時(shí)間、黃燈時(shí)間、全紅時(shí)間和總周期時(shí)長(zhǎng)。

3 模型檢驗(yàn)

對(duì)該模型進(jìn)行假設(shè)驗(yàn)證,依據(jù)目前國(guó)內(nèi)許多地區(qū)常見的交叉口設(shè)置情景,設(shè)定二相位六車道十字信號(hào)交叉口,信號(hào)周期時(shí)長(zhǎng)90 s,各相位綠燈時(shí)間41 s,黃燈時(shí)間3 s,全紅時(shí)間2 s。

現(xiàn)針對(duì)在中雪條件和網(wǎng)聯(lián)車與非網(wǎng)聯(lián)車混聯(lián)條件下對(duì)該交叉口進(jìn)行配時(shí)優(yōu)化。獲知網(wǎng)聯(lián)車占比大約為50%～60%,網(wǎng)聯(lián)自動(dòng)駕駛車為35%～40%,根據(jù)網(wǎng)聯(lián)車實(shí)時(shí)信息對(duì)東西車道最大排隊(duì)車輛篩查采取前文方法,篩查估值m為7,車輛到達(dá)服從泊松分布,根據(jù)網(wǎng)聯(lián)車實(shí)時(shí)傳輸數(shù)據(jù)估算周期內(nèi)進(jìn)入交叉口車輛數(shù),對(duì)周期內(nèi)進(jìn)入交叉口排隊(duì)車輛數(shù)n進(jìn)行估算,取值為20。同理可得南北車道m(xù)為5,對(duì)周期內(nèi)進(jìn)入交叉口排隊(duì)車輛數(shù)n進(jìn)行估算,取值為14。頭車啟動(dòng)時(shí)間在中雪條件和網(wǎng)聯(lián)自動(dòng)駕駛車混行比下tp取4.0 s,期望車頭時(shí)距取2.8 s。對(duì)直行車、左轉(zhuǎn)車、右轉(zhuǎn)車路徑選擇,默認(rèn)為8∶1∶1。

利用VISSIM軟件對(duì)混聯(lián)車流進(jìn)行仿真,通過(guò)更改車輛跟隨車距和車輛啟動(dòng)基本參數(shù)模擬不同網(wǎng)聯(lián)自動(dòng)駕駛車占比下車流參數(shù)變化,在仿真冰雪環(huán)境時(shí),需要對(duì)其中駕駛員參數(shù)與跟馳特性進(jìn)行修改,所以綜合上述兩個(gè)條件對(duì)仿真參數(shù)進(jìn)行修正,以使其符合中雪條件下35%～40%網(wǎng)聯(lián)自動(dòng)駕駛汽車占比的混合車流狀況。

建立路網(wǎng)后輸入?yún)?shù)進(jìn)行仿真。利用MATLAB對(duì)停車線延誤模型求解,得到最佳周期時(shí)長(zhǎng)C為113 s,經(jīng)過(guò)信號(hào)配時(shí)修正優(yōu)化后得到東西路段綠燈時(shí)間56 s,紅燈時(shí)間50 s,黃燈時(shí)間5 s,南北路段綠燈時(shí)間46 s,紅燈時(shí)間61 s,黃燈時(shí)間4 s,全紅時(shí)間2 s。經(jīng)VISSIM仿真得到其平均延誤時(shí)間為18.1 s,直行平均停車次數(shù)0.67次,直行行程時(shí)間35 s。

與原方案VISSIM仿真的結(jié)果延誤時(shí)間22.3 s,直行平均停車次數(shù)1.2次,直行行程時(shí)間41 s比較,延誤時(shí)間縮短了16.6%,行程時(shí)間縮短了14.61%,采用新的信號(hào)配時(shí)方案,該模擬交叉口的交通運(yùn)行狀況得到明顯改善。

在仿真過(guò)程中,通過(guò)更改期望加速度等參數(shù),相較于傳統(tǒng)車流,網(wǎng)聯(lián)混行車流啟動(dòng)損失時(shí)間得到改善,混行車流期望車頭時(shí)距得到相應(yīng)的優(yōu)化;網(wǎng)聯(lián)車占比較大時(shí),可以有效通過(guò)對(duì)網(wǎng)聯(lián)車交通量的估計(jì)完成對(duì)交叉口交通量的實(shí)時(shí)預(yù)算,相較于通過(guò)歷史數(shù)據(jù)對(duì)交叉口進(jìn)行優(yōu)化更具有時(shí)效性;通過(guò)對(duì)網(wǎng)聯(lián)車實(shí)時(shí)控制,可以獲取信號(hào)相位損失時(shí)間,進(jìn)而確定交叉口黃燈以及全紅時(shí)間,信號(hào)交叉口因黃燈時(shí)間不足所造成的正常釋放車流與上一相位未通過(guò)交叉口車流沖突次數(shù)明顯減少;相較于常態(tài)的相位分配,該信號(hào)配時(shí)優(yōu)化方法可以提高交叉口通行效率,解決交叉口因冰雪條件所導(dǎo)致的一系列問(wèn)題。

4 項(xiàng)目總結(jié)

小組成員在閱讀、參考國(guó)內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上,根據(jù)網(wǎng)聯(lián)與非網(wǎng)聯(lián)混合交通流的相關(guān)理論和冰雪條件下交叉口參數(shù),以傳統(tǒng)六車道兩相位交叉口為例,對(duì)信號(hào)配時(shí)進(jìn)行了優(yōu)化控制。

總結(jié)分析了國(guó)內(nèi)外對(duì)網(wǎng)聯(lián)與非網(wǎng)聯(lián)混合交通流駕駛特性與冰雪條件下交叉口參數(shù)的相關(guān)研究與經(jīng)驗(yàn),基于目前研究存在的問(wèn)題和混合交通流需求提出了本項(xiàng)目的研究目標(biāo)。

對(duì)混合交通流條件與冰雪條件對(duì)信號(hào)交叉口的影響分別進(jìn)行了系統(tǒng)的分析,得出了網(wǎng)聯(lián)車混合交通流的比例和降雪量與交叉口延誤間的關(guān)系。

通過(guò)停車線延誤法對(duì)延誤的修正公式,提出了混合交通流條件與冰雪條件下的信號(hào)交叉口信號(hào)周期優(yōu)化方法,并利用混合交通流特性,對(duì)信號(hào)交叉口配時(shí)方案進(jìn)行了調(diào)整。

利用VISSIM、MATLAB等工具對(duì)所得模型進(jìn)行可行性檢驗(yàn),并代入實(shí)地檢測(cè)數(shù)據(jù)求解出算例,得到實(shí)際結(jié)論。

在網(wǎng)聯(lián)車與非網(wǎng)聯(lián)車混行的階段,此處提出的信號(hào)交叉口優(yōu)化方法將基于網(wǎng)聯(lián)車與非網(wǎng)聯(lián)車混行的跟馳特性緩解冰雪天氣下交叉口的交通壓力,降低油耗和碳排放,提高交通效率,減少交通事故,更大程度上發(fā)揮網(wǎng)聯(lián)車的優(yōu)越性。